Escolar Documentos
Profissional Documentos
Cultura Documentos
CDU: 624.014
À minha esposa Jacqueline e às minhas filhas
Marcella e Brunna pelo incentivo à conclusão
desta dissertação.
III
Agradecimentos
Em primeiro lugar, quero agradecer a Deus que me deu força e saúde para poder
concluir este trabalho.
Ao professor Valério, pela confiança e pela oportunidade de ser seu orientado,
aliás, foi muito mais que um orientador, um verdadeiro educador, que soube conduzir
de maneira inteligente e eficaz todo o trabalho.
Ao professor Francisco de Assis, meu coorientador, pelas observações que muito
ajudaram no desenvolvimento do trabalho.
Aos meus pais Aylton e Maria José pelo carinho e incentivo.
Aos professores Marcilio, Ricardo, Ernani e João Batista que, também,
participaram da minha formação.
À UFOP por ter me acolhido e me dado esta oportunidade.
À Usiminas pela Bolsa de Estudos.
IV
Resumo
Palavras Chave:
- Otimização Topológica, Otimização Evolucionária ESO, Técnica SESO, Método dos
Elementos Finitos.
V
Abstract
VI
Sumário
VII
4.4 Eliminação do Tabuleiro de Xadrez ..................................................................... 48
4.5 Algoritmo da Suavização...................................................................................... 51
4.6 Estudos de Caso .................................................................................................... 53
4.6.1 Problema de duas Barras................................................................................ 53
4.6.2 Mão-francesa ................................................................................................. 55
4.6.3 Viga Curta bi-apoiada com Carga Concentrada ............................................ 57
Referências Bibliográficas.............................................................................................145
VIII
Lista de Figuras
IX
Figura.4.6.6- Gráfico RR por Número de Elementos ..................................................... 55
Figura.4.6.7- Configuração ótima da Mão-francesa (SESO).......................................... 56
Figura.4.6.8- Configuração ótima da Mão-francesa (SESO).......................................... 56
Figura 4.6.9- Configuração ótima da Mão-francesa (SESO).......................................... 57
Figura 4.6.10- Configuração ótima da Mão-francesa (SESO)........................................ 57
Figura.4.6.11- Viga curta biapoiada ............................................................................... 58
Figura.4.6.12- Configuração ótima de uma viga curta biapoiada(SESO) ...................... 58
Figura.4.6.13- Configuração ótima de uma viga curta biapoiada(SESO) ...................... 59
Figura 4.6.14- Evolução do volume e índice de performance por iteração .................... 59
Figura 4.6.15- Tensão de Von Mises por iteração (ESO)............................................... 60
Figura 4.6.16- Razão de Rejeição por iteração ............................................................... 60
Figura.4.6.17- Configuração ótima de uma viga curta biapoiada(SESO) ...................... 61
Figura.4.6.18- Configuração ótima de uma viga curta biapoiada(SESO) ...................... 61
Figura 4.6.19- Evolução do volume e índice de performance por iteração(SESO)........ 62
Figura 4.6.20- Evolução da tensão de Von Mises por iteração ...................................... 62
Figura 4.6.21- Evolução de Razão de Rejeição por iteração .......................................... 63
Figura 5.1- Estrutura de Michell..................................................................................... 65
Figura 5.2-Domínio inicial para Estrutura de Michell.................................................... 66
Figura 5.3- Configuração ótima para estrutura de Michell (ESO) ................................. 66
Figura 5.4- Configuração ótima para estrutura de Michell (ESO) ................................. 66
Figura 5.5- Configuração ótima para estrutura de Michell (ESO) ................................. 67
Figura 5.6- Configuração ótima para estrutura de Michell (SESO) ............................... 67
Figura 5.7- Configuração ótima para estrutura de Michell (SESO) ............................... 67
Figura 5.8- Configuração ótima para estrutura de Michell (SESO) ............................... 68
Figura 5.9- Evolução do volume e índice de performance por iteração ......................... 68
Figura 5.10- Gráfico da Razão TVM por Número de Iterações ..................................... 69
Figura 5.11- Configuração ótima (estrutura de Michell) obtida por Liang .................... 69
Figura 5.12- Configuração ótima (estrutura de Michell) obtida por Querin .................. 69
Figura 5.13- Viga curta biengastada ............................................................................... 70
Figura 5.14- Configuração ótima de uma viga curta biengastada(ESO) ........................ 71
Figura 5.15- Configuração ótima de uma viga curta biengastada(ESO) ........................ 71
Figura 5.16- Configuração ótima de uma viga curta biengastada(ESO) ........................ 71
Figura 5.17- Configuração ótima de uma viga curta biengastada por Wang ................. 72
Figura 5.18- Configuração ótima de uma viga curta biengastada(SESO)...................... 72
Figura 5.19- Configuração ótima de uma viga curta biengastada(SESO)...................... 72
Figura 5.20- Configuração ótima de uma viga curta biengastada(SESO).......................73
Figura 5.3.1- Viga curta biapoiada ................................................................................. 74
Figura 5.3.2- Configuração ótima de uma viga biapoiada (ESO) .................................. 74
Figura 5.3.3- Configuração ótima de uma viga biapoiada (ESO) .................................. 74
Figura 5.3.4- Configuração ótima de uma viga biapoiada (ESO) .................................. 75
Figura 5.3.5- Viga curta biapoiada – Configuração ótima ............................................. 75
Figura 5.3.6- Configuração ótima de uma viga biapoiada (SESO) ................................ 75
Figura 5.3.7- Configuração ótima de uma viga biapoiada (SESO) ................................ 76
Figura 5.3.8- Configuração ótima de uma viga biapoiada (SESO) ................................ 76
Figura 5.3.9- Configuração ótima de uma viga biapoiada (SESO) ................................ 76
Figura 5.3.10- Configuração ótima de uma viga biapoiada (SESO) .............................. 77
Figura 5.3.11- Configuração ótima de uma viga biapoiada (SESO) .............................. 77
X
Figura 5.3.12- Viga curta biapoiada – Configuração ótima ........................................... 77
Figura 5.3.13- Viga biapoiada ........................................................................................ 78
Figura 5.3.14- Configuração ótima viga biapoiada (SESO)........................................... 78
Figura 5.3.15- Viga biapoiada – Configuração ótima .................................................... 79
Figura 5.4.1- Problema de duas barras – Domínio com buraco ..................................... 80
Figura 5.4.2- Problema de duas barras – Configuração ótima........................................ 81
Figura 5.4.3- Configuração ótima do problema de duas barras com buraco (ESO)....... 81
Figura 5.4.4- Configuração ótima do problema de duas barras com buraco (ESO)....... 81
Figura 5.4.5- Configuração ótima do problema de duas barras com buraco (ESO)....... 82
Figura 5.4.6- Configuração ótima do problema de duas barras com buraco (SESO)..... 82
Figura 5.4.7- Configuração ótima do problema de duas barras com buraco (SESO)..... 83
Figura 5.4.8- Configuração ótima do problema de duas barras com buraco (SESO)..... 83
Figura 5.4.9- Viga biapoiada .......................................................................................... 84
Figura 5.4.10- Configuração ótima de uma viga biapoiada com buracos (ESO) ........... 84
Figura 5.4.11- Configuração ótima de uma viga biapoiada com buracos (ESO) ........... 85
Figura 5.4.12- Configuração ótima de uma viga biapoiada com buracos (ESO) ........... 85
Figura 5.4.13- Configuração ótima de uma viga biapoiada com buracos (SESO)......... 85
Figura 5.4.14- Configuração ótima de uma viga biapoiada com buracos (SESO)......... 86
Figura 5.4.15- Configuração ótima de uma viga biapoiada com buracos (SESO)......... 86
Figura 5.4.16- Viga biapoiada – Configurações ótimas ................................................. 87
Figura 5.4.17- Viga biapoiada ........................................................................................ 88
Figura 5.4.18- Configuração ótima de uma viga biapoiada com buraco (ESO)............. 88
Figura 5.4.19- Configuração ótima de uma viga biapoiada com buraco (ESO)............. 89
Figura 5.4.20- Configuração ótima de uma viga biapoiada com buraco (ESO)............. 89
Figura 5.4.21- Configuração ótima de uma viga biapoiada com buraco (SESO) .......... 89
Figura 5.4.22a- Configuração ótima de uma viga biapoiada com buracos (SESO) ....... 90
Figura 5.4.22b- Configuração ótima de uma viga biapoiada com buracos (SESO) ....... 90
Figura 5.4.23- Viga biapoida – Configuração ótima ...................................................... 90
Figura 5.4.24- Chapa Parafusada .................................................................................... 91
Figura 5.4.25- Chapa Parafusada .................................................................................... 91
Figura 5.4.26- Configuração ótima de uma chapa parafusada (ESO) ............................ 92
Figura 5.4.27- Configuração ótima de uma chapa parafusada (ESO) ........................... 92
Figura 5.4.28- Configuração ótima de uma chapa parafusada (ESO) ............................ 93
Figura 5.4.29- Configuração ótima de uma chapa parafusada (SESO) .......................... 93
Figura 5.4.30- Configuração ótima de uma chapa parafusada (SESO) .......................... 94
Figura 5.4.31- Configuração ótima de uma chapa parafusada (SESO) .......................... 94
Figura 5.4.32- Michell truss............................................................................................ 94
Figura 5.4.33- Configuração ótima de uma chapa parafusada (ESO) ............................ 95
Figura 5.4.34- Configuração ótima de uma chapa parafusada (ESO) ............................ 95
Figura 5.4.35- Configuração ótima de uma chapa parafusada (ESO) ............................ 95
Figura 5.4.36- Configuração ótima de uma chapa parafusada (SESO) .......................... 96
Figura 5.4.37- Configuração ótima de uma chapa parafusada (SESO) .......................... 96
Figura 5.4.38- Configuração ótima de uma chapa parafusada (SESO) .......................... 96
Figura 5.4.39- Michell truss............................................................................................ 97
Figura 5.4.40- Chapa biapoiada...................................................................................... 98
Figura 5.4.41- Chapa biapoiada – Configuração ótima .................................................. 98
Figura 5.4.42- Configuração ótima de uma chapa biapoiada (ESO) .............................. 99
XI
Figura 5.4.43- Configuração ótima de uma chapa biapoiada (ESO) .............................. 99
Figura 5.4.44- Configuração ótima de uma chapa biapoiada (ESO) .............................. 99
Figura 5.4.45- Configuração ótima de uma chapa biapoiada (SESO) .......................... 100
Figura 5.4.46- Configuração ótima de uma chapa biapoiada (SESO) .......................... 100
Figura 5.4.47- Configuração ótima de uma chapa biapoiada (SESO).......................... 100
Figura 5.5.1- Maçã........................................................................................................ 102
Figura 5.5.2- Configuração ótima maçã (ESO) ............................................................ 102
Figura 5.5.3- Configuração ótima maçã (ESO) ............................................................ 103
Figura 5.5.4- Processo evolucionário ESO................................................................... 103
Figura 5.5.5- Configuração ótima maçã(SESO) ........................................................... 104
Figura 5.5.6- Configuração ótima maçã (SESO) .......................................................... 104
Figura 5.5.7- Processo evolucionário SESO................................................................. 105
Figura 5.5.8- Topologia semelhante a uma maçã ......................................................... 105
Figura 5.5.9- Fluxo de Tensão ...................................................................................... 106
Figura 5.5.10- Configuração ótima viga biapoiada ...................................................... 107
Figura 5.5.11- Viga curta biapoiada ............................................................................. 107
Figura 5.5.12- Configuração ótima de uma viga biapoiada (peso próprio)(ESO)........ 108
Figura 5.5.13- Configuração ótima de uma viga biapoiada (peso próprio)(ESO)........ 108
Figura 5.5.14- Configuração ótima de uma viga biapoiada (peso próprio)(ESO)........ 108
Figura 5.5.15- Configuração ótima de uma viga biapoiada (peso próprio)(SESO) ..... 109
Figura 5.5.16- Configuração ótima de uma viga biapoiada (peso próprio)(SESO) ..... 109
Figura 5.5.17- Configuração ótima de uma viga biapoiada (peso próprio)(SESO) ..... 109
Figura 5.5.18- Viga curta biapoiada ............................................................................. 110
Figura 5.5.19- Viga curta biapoiada - domínio............................................................. 110
Figura 5.5.20- Configuração ótima de uma viga biapoiada (peso próprio)(ESO)........ 111
Figura 5.5.21- Configuração ótima de uma viga biapoiada (peso próprio)(ESO)........ 111
Figura 5.5.22- Configuração ótima de uma viga biapoiada (peso próprio)(ESO)........ 111
Figura 5.5.23- Configuração ótima de uma viga biapoiada (peso próprio)(SESO) ..... 112
Figura 5.5.24- Configuração ótima de uma viga biapoiada (peso próprio)(SESO) ..... 112
Figura 5.5.25- Configuração ótima de uma viga biapoiada (peso próprio)(SESO) ..... 112
Figura 5.5.26- Domínio viga MBB(peso próprio)........................................................ 113
Figura 5.5.27- Viga MBB – Configuração ótima ......................................................... 113
Figura 5.5.28- Configuração ótima de uma viga MBB (peso próprio) (SESO) ........... 114
Figura 5.5.29- Configuração ótima de uma viga MBB (peso próprio) (SESO) ........... 114
Figura 5.5.30- Configuração ótima de uma viga MBB (peso próprio) (SESO) ........... 114
Figura 5.6.1- Braçadeira em formato U ........................................................................ 115
Figura 5.6.2- Configuração ótima de uma Braçadeira em U(SESO)............................ 116
Figura 5.6.3- Configuração ótima de uma Braçadeira em U(SESO)............................ 116
Figura 5.6.4- Configuração ótima de uma Braçadeira em U(SESO)............................ 116
Figura 5.6.5- Evolução volume por iteração................................................................. 117
Figura 5.6.6- Evolução tensão Von Mises por iteração ................................................ 117
Figura 5.6.7- Viga em balanço...................................................................................... 118
Figura 5.6.8- Viga em balanço – Configuração ótima.................................................. 118
Figura 5.6.9- Configuração ótima de uma viga em balanço (SESO) ........................... 119
Figura 5.6.10-Configuração ótima de uma viga em balanço (SESO) .......................... 119
Figura 5.6.11- Configuração ótima de uma viga em balanço (SESO).......................... 119
Figura 5.6.12- Evolução do volume por iteração.......................................................... 120
XII
Figura 5.6.13- Evolução da Tensão por iteração .......................................................... 120
Figura 5.6.14- Domínio de projeto inicial com suporte fixo ........................................ 121
Figura 5.6.15- Configuração ótima de uma estrutura de ponte (SESO) ....................... 121
Figura 5.6.16- Configuração ótima de uma estrutura de ponte (SESO) ....................... 122
Figura 5.6.17- Configuração ótima de uma estrutura de ponte (SESO) ....................... 122
Figura 5.6.18- Estrutura de ponte - Querin ................................................................... 122
Figura.5.6.19- Configuração ótima de uma estrutura de ponte (SESO) ....................... 123
Figura.5.6.20- Configuração ótima de uma estrutura de ponte (SESO) ....................... 123
Figura.5.6.21- Configuração ótima de uma estrutura de ponte (SESO) ....................... 124
Figura 5.6.22- Evolução da tensão de Von Mises por iteração .................................... 124
Figura 5.6.23- Evolução do volume por iteração.......................................................... 124
Figura 5.6.24- Evolução Razão de Rejeição por iteração............................................. 125
Figura 5.6.25- Evolução do índice de performance por iteração.................................. 125
Figura 5.6.26- Domínio inicial de projeto de uma bicicleta ......................................... 126
Figura.5.6.27- Configuração ótima de uma bicicleta (SESO) ...................................... 127
Figura.5.6.28- Configuração ótima de uma bicicleta (SESO) ...................................... 127
Figura.5.6.29- Configuração ótima de uma bicicleta (SESO) ...................................... 127
Figura 5.6.30- Modelo de Strut-and-Tie – Formato T.................................................. 128
Figura 5.6.31- Modelo de Strut-and-Tie – Configuração ótima ................................... 129
Figura 5.6.32- Configuração ótima Modelo de Strut-and-Tie (ESO) .......................... 129
Figura 5.6.33- Configuração ótima Modelo de Strut-and-Tie (ESO)........................... 130
Figura 5.6.34- Configuração ótima Modelo de Strut-and-Tie (ESO)........................... 130
Figura 5.6.35- Configuração ótima Modelo de Strut-and-Tie (SESO)......................... 131
Figura 5.6.36- Configuração ótima Modelo de Strut-and-Tie (SESO)......................... 131
Figura 5.6.37- Configuração ótima Modelo de Strut-and-Tie (SESO)......................... 132
Figura 5.6.38- Modelo de Strut-and-Tie - Console ...................................................... 133
Figura 5.6.39- Modelo de Strut-and-Tie – Configuração ótima ................................... 135
Figura 5.6.40- Configuração ótima Modelo de Strut-and-Tie - console (ESO) ........... 134
Figura 5.6.41- Configuração ótima Modelo de Strut-and-Tie - console (ESO) ........... 134
Figura 5.6.42- Configuração ótima Modelo de Strut-and-Tie - console (ESO) ........... 135
Figura 5.6.43- Configuração ótima Modelo de Strut-and-Tie - console (SESO) ......... 135
Figura 5.6.44- Configuração ótima Modelo de Strut-and-Tie - console (SESO) ......... 136
Figura 5.6.45- Configuração ótima Modelo de Strut-and-Tie - console (SESO) ......... 136
Figura 5.6.46- Geometria de formato L........................................................................ 137
Figura 5.6.47- Configuração ótima da Geometria de formato L (ESO) ....................... 138
Figura 5.6.48- Configuração ótima da Geometria de formato L (ESO) ....................... 138
Figura 5.6.49- Configuração ótima da Geometria de formato L (ESO) ....................... 138
Figura 5.6.50- Configuração ótima da Geometria de formato L (SESO)..................... 139
Figura 5.6.51- Configuração ótima da Geometria de formato L (SESO)..................... 139
Figura 5.6.52- Configuração ótima da Geometria de formato L (SESO)..................... 140
Figura 5.6.53- Fluxo de tensão (ESO) .......................................................................... 140
Figura 5.6.54- Fluxo de tensão (SESO)........................................................................ 140
XIII
Lista de Abreviaturas
OT Otimização Topológica
IP Performance Index
SA Simulated Anneling
AG Algoritmo Genético
XIV
Lista de Símbolos
E Módulo de Elasticidade
Vi Volume do elemento i na i-ésima iteração
V0 Volume da estrutura na primeira iteração
σ 0VM Tensão máxima de Von Mises na primeira iteração
σ iVM Tensão máxima de Von Mises do elemento i na i-ésima iteração
η (j) Função ponderadora
ν Coeficiente de Poisson
σ iponderado Tensão de Von Mises ponderada do elemento i
Ai Área do elemento i
Aj Área do elemento j
σ VM
j Tensão de Von Mises do elemento j
w Peso
NV Número de elementos cujos centróides estão no interior da circunferência
R MAX Raio máximo da circunferência
R ij Distância entre os centróides dos elementos i e j
D0 Matriz constitutiva inicial do projeto
D(j) Matriz constitutiva do ponto j ∈ Ω
ρ Densidade volumétrica
Ω Domínio da estrutura
f (ε ) Função reguladora
Γ Conjunto dos elementos que serão removidos da estrutura
Γ Conjunto dos elementos que não serão removidos da estrutura
σx Componente normal do tensor de tensões na direção x
σy Componente normal do tensor de tensões na direção y
τ xy Componente de tensão de cisalhamento
σi Tensão do elemento i
σn Tensão do elemento j
u Deslocamento horizontal
v Deslocamento vertical
θz Rotação azimutal
σ eVM Tensão de Von Mises máxima do elemento
MÁX
σ VM Tensão de Von Mises máxima da estrutura
RR Razão de rejeição
ER Razão evolucionária
VI Volume da estrutura na iteração i
VRI Volume retirado por iteração
XV
Capítulo 1
1.1 – Introdução
1
Na segunda abordagem, um pouco mais genérica, a estrutura apresenta forma
variável e a topologia fixa, não ocorrendo à inserção de “buracos”. Nesta abordagem, as
variáveis de projeto definem o contorno do domínio, cuja forma é alterada durante o
processo de otimização. Este método é denominado Otimização de Forma, Haftka e
Grandhi (1986), ver figura 1.1b.
Diferentemente da otimização de forma na qual as variáveis de projeto que
definem o contorno são alteradas em cada iteração durante o processo de otimização, a
OT, terceira e última abordagem apresenta como principais características a inserção de
buracos e domínio fixo estendido (dimensões do projeto são mantidas fixas durante todo
o processo iterativo), Bendsøe e Kikuchi (1988). Na procura pela solução ótima, a OT
distribui o material por todo o domínio, de tal forma que se possa otimizar um
determinado critério – como o de tensão máxima da estrutura.
Na OT são obtidos os melhores resultados, pois a inserção de “buracos” confere
à estrutura um melhor desempenho se comparado às otimizações de forma e
paramétrica, ver figura 1.1.c. Pode-se dizer que a otimização de forma e a paramétrica
são casos particulares da OT.
a)
b)
c)
2
vez que o nível de refinamento da malha de elementos finitos e a possível presença de
regiões decorrentes de instabilidades numéricas, como por exemplo, instabilidade de
tabuleiro de xadrez (checkeboard) e a dependência da malha inviabilizam a fabricação
da estrutura sintetizada. Deste modo, o resultado precisa ser interpretado usando
otimização de forma ou técnicas de processamento de imagem. As modificações
decorrentes desta interpretação alteram a performance da estrutura, o que torna
indispensável uma análise por elementos finitos deste resultado. O procedimento
descrito está esboçado na figura 1.2.
3
1.2 Motivação e Justificativa
4
alternativa ao ESO, denominado de SESO, que indica a Suavização do ESO, ou
Smoothing ESO, o qual é apresentado no capitulo quatro.
5
Capítulo 2
2.1 Introdução
6
Só nos anos 70, alguns problemas de leiaute foram, também, resolvidos, como os
de Hemp (1973) e o de Prager (1974), ambos para uma classe muito restrita de
estruturas, vistos como uma extensão do conceito de otimização de estruturas de
treliças, desenvolvido por Michell (1904).
Na década de 80, com a utilização do MEF, varias publicações foram feitas,
podendo ser citados Cheng e Olhoff (1981), Khon e Strang (1986a) que investigaram a
natureza do problema, correspondente à maximização da rigidez de placas delgadas
considerando a espessura como variável de projeto, e concluíram que para este
problema de otimização existem várias soluções ótimas locais. Rozvany et al. (1982)
também chegaram à mesma conclusão.
Em meados dos anos 80, os resultados das otimizações de forma e paramétricas
começam a ser questionados, pois estes apresentavam grandes problemas quando se
deseja alterar a topologia (ou distribuição de material) de uma estrutura, uma vez que a
mudança da topologia implica constante alteração, durante o processo de otimização, do
modelo de elementos finitos associados à estrutura no inicio do processo, isto é, a cada
iteração o problema físico é modificado e o algoritmo deve prever a atualização da
malha de elementos finitos a cada iteração, o que é complexo. Com a necessidade de se
aprimorar a otimização de forma, surge no final da década, a Otimização Topológica
(OT), Bendsøe e Kikuchi (1988) com uma metodologia de domínio fixo estendido,
inicialmente no método da Homogeneização.
A metodologia criada por Bendsøe e Kikuchi para OT foi inspirada nos
trabalhos de Cheng e Olhoff (1981) e de Cheng e Olhoff (1982) que tratavam da
otimização de espessuras de chapas e placas, Lurie et al. (1982), Goodman et al. (1986),
Kohn e Strang (1986a) que estudaram a otimização para projetos de barras de torção
construídas com dois materiais com diferentes proporções volumétricas e Rozvanay et
al. (1982), que investigaram a formulação matemática para o problema de maximização
da rigidez (com restrição de volume) de placas delgadas, onde a variável de projeto é a
espessura e concluíram para este problema de otimização que existem vários ótimos
locais.
Tal metodologia é capaz de fornecer, simultaneamente, topologia e forma ótimas
à estrutura, ressaltando que tal topologia ótima resulta em uma configuração não suave
da forma ótima exata do contorno da estrutura. O que se tem é uma forma ótima
7
preliminar. A idéia é que a otimizaçao topológica seja utilizada, inicialmente, sendo em
seguida empregado uma dos métodos clássicos de otimização de forma. Esta segunda
etapa passa a ser realizada de forma mais rápida e eficiente, uma vez que já se parte de
uma topologia ótima e de uma forma já bem próxima da exata, conforme Porto (2006).
Assim, alguns trabalhos no sentido de integrar os métodos de otimização foram
desenvolvidos, entre eles pode-se destacar: Olhoff et al. (1991) onde os métodos são
integrados em um sistema, em que a topologia serve como um pré-processador das
otimizações de forma e paramétrica conferindo a estes resultados finais bem melhores.
Também, pode-se destacar nesta mesma vertente os trabalhos de Sienz e Hilton (1997),
Tang e Chang (2001) e Kikuchi et al. (1995) que usaram a otimização topológica para
maximizar frequência de ressonância de estruturas, obtidas a partir de meios contínuos.
A Otimização Topológica (OT) pode ser dividida em duas classes distintas: A
OT a partir de um meio discreto e a OT a partir de um meio contínuo. A primeira é
subdivida em dois grupos: a OT de estruturas de malha contínua (“gridlike continua”)
que trabalha com um número infinito de barras rígidas separadas por um espaço
infinitesimal, cuja solução é obtida, analiticamente, e a OT de estruturas discretas
(“ground structural”), que considera o domínio de projeto com vários pontos
distribuídos, que podem ser uma possível ligação de treliças, cuja solução é obtida
numericamente, segundo Lima (2002).
Com o desenvolvimento da otimização topológica, vários trabalhos surgiram no
meio acadêmico. Em Canfield e Frecker (2000) pode-se encontrar uma formulação do
problema de OT e o método de solução (Programação Linear Seqüencial e Critério de
Otimalidade) num domínio discretizado com elementos de treliça via MEF. Cho e Choi
(2005) utilizam à otimização topológica combinada com a termo-elasticidade, o método
de otimização topológica foi formulado aplicando o método DSA, Design Sensitivity
Analysis.
Dentre os métodos de otimização de leiaute que consideram malhas variáveis
durante o processo estão os métodos de otimização estrutural evolutiva, conhecidos na
literatura como (ESO), do inglês Evolutionary Structural Optimization. A idéia
principal destes métodos consiste na proposição de um critério eficiente, capaz de
avaliar a contribuição de cada elemento na resposta do sistema; e na tática de remoção
dos elementos que possuem a menor sensibilidade, ver Hilton e Sienz (1995), Xie e
8
Steven (1996), Chu et al. (1996), Christie et al. (1998), Reynolds et al. (1999), Querin et
al. (2000a), Querin et al. (2000b), Rong et al. (2000).
O método ESO sofre grande influência da taxa de remoção e isso traz algumas
desvantagens, como: a ocorrência de extremidades dentadas e de interconexões
estruturais, dando origem a mecanismos e à concentração de tensão, Coutinho (2006).
Uma evolução do ESO é o AESO do inglês Additive Evolutionary Structural
Optimization, ver Querin et al. (2000a), como o nome sugere, no (AESO) método de
otimização estrutural evolucionaria aditiva, os elementos são inseridos nos domínios da
estrutura onde são necessários. A introdução desses elementos na estrutura é feita
usando uma otimização evolutiva semelhante ao clássico (ESO).
Uma combinação do ESO com o AESO dá origem ao método BESO do inglês
Bi-directional Evolutionary Structural Optimization, proposto em Querin (2000a).
Neste método, o material pode ser acrescentado ou removido segundo combinações de
equações do ESO e AESO.
Liang, Xie e Steven (2000a) propõem em seu trabalho, uma maneira de
monitorar a eficiência estrutural das configurações encontradas ao longo do processo
evolucionário de otimização estrutural, que tem como critério de projeto a rigidez, e
com isso, determinar o momento de encerrar o processo evolucionário. Um índice de
performance estrutural é inserido para avaliação da eficiência estrutural da nova
topologia encontrada a cada iteração. Quando este parâmetro atinge o valor máximo
tem-se o término do processo evolucionário.
Chen e Kikuchi (2001) investigam, também, o problema de otimização com
cargas dependentes do projeto. Ao invés das superfícies de carga serem parametrizadas,
um carregamento térmico fictício, simulando a carga dependente, é proposto. O modelo
de material isotrópico com penalidade é, novamente, empregado. O problema de
otimização é transformado em um problema de distribuição de material trifásico
constituído de sólido, vazio e fluido hidrostático. A programação linear sequencial
(PLS) é utilizada para resolver o problema de otimização.
Em Cardoso e Fonseca (1999) a formulação adotada por estes autores na
otimização estrutural, impõe uma restrição aos gradientes das variáveis de projeto no
problema de minimização de volume, com restrições de flexibilidade média
(“complience”). Foi criado um filtro independente da malha aplicado sobre os limites-
9
móveis da programação linear sequencial capaz de contornar alguns problemas da
otimização topológica como o tabuleiro de xadrez (checkerboard), que se caracteriza
pela formação na topologia ótima de regiões contendo vazios e elementos sólidos, que
se alternam de forma semelhante a um tabuleiro de xadrez, e a dependência da malha.
Proos (2002) desenvolve e analisa o conceito de otimização topológica com
multicritério ESO. Nesta abordagem utilizou vários critérios entre eles: análise estática
linear, freqüências naturais, momento de inércia e maximização de regidez.
Labanowski et al. (2004) investigam uma comparação entre os métodos de
otimização topológica SIMP, TSA e ESO. O método SIMP é baseado na utilização de
um material artificial intermediário, cujo comportamento constitutivo é definido por um
parâmetro ρ associado à densidade do material. O método ESO é baseado no cálculo da
função objetivo, quando um elemento é removido da malha de elementos finitos. A
TSA resulta em uma função escalar, denominada Derivada Topológica, que fornece
para cada ponto do domínio de definição do problema a sensibilidade de uma dada
função custo quando um pequeno furo é criado.
Tovar (2005) estudou uma técnica que combina regras de evolução de células
“autômatas”, com análise estrutural por elementos finitos, do inglês hybrid cellular
automata (HCA). Esta técnica mostrou ser eficiente na resolução de problemas de
otimização topológica para obtenção de estruturas mais leves com máxima rigidez.
Pereira (2006) fez uma explanação sobre a otimização topológica em problemas
de elasticidade envolvendo não-linearidade geométrica (grandes deslocamentos e
rotações) e não-linearidade de material, no caso, hiperelasticidade não-linear quase-
incompressível, aplicando o conceito de Análise de Sensibilidade Topológica (TSA)
através de uma formulação Lagrangiana Total.
Porto e Pavanello (2007) investigam a influência dos parâmetros da otimização
estrutural topológica, baseada na teoria da homogeneização, sobre seus resultados
ótimos. Neste trabalho, é estudada uma célula-base quadrada unitária de vazio central
retangular, suas propriedades mecânicas são determinadas a partir de uma abordagem de
homogeneização e do método de elementos finitos. O tensor elástico é definido para
cada elemento finito do modelo estrutural global e a solução ótima do problema de
10
maximização da energia potencial total é obtida através de um algoritmo iterativo
baseado nos critérios de otimalidade.
A fim de encontrar o mínimo absoluto de uma função objetivo sem ser sensível à
posição de partida, um método de otimização global tem de ser empregado nos
problemas de otimização estrutural. As técnicas de otimização Estocásticas são muito
adequadas a este respeito. Estas técnicas não são sensíveis ao ponto de partida, pois elas
podem escapar dos pontos de ótimo local, pois permitem o movimento aleatório para
cima o que constitui uma grande vantagem. Outra vantagem dessas técnicas são que elas
não requerem as derivadas da função objetivo ou restrições, sendo um algoritmo de
ordem zero.
Sonmez (2008) investiga as duas técnicas estocásticas mais populares de
otimização: o Algoritmo Genético (AG) e Simulated Annealing (SA). O AG é um
algoritmo de busca probabilística baseado no processo de seleção natural e na genética,
ou seja, na sobrevivência do mais adaptado (teoria de Darwin). Inicialmente, é
considerada uma população viável de soluções para o problema. Tal população é capaz
de se reproduzir e sofrer mutações, criando-se, desta forma, uma nova geração de
possíveis soluções. Contudo, apenas as soluções mais adaptadas passam à próxima
geração, sendo descartadas aquelas soluções que menos se ajustam ao objetivo do
problema, de forma semelhante à evolução natural, e, eventualmente, conduzindo à
solução ótima.
AG são algoritmos de busca baseados no mecanismo de seleção natural das
espécies. Combinam a sobrevivência do indivíduo mais adequado com um intercâmbio
estruturado e aleatório de informações para formar um algoritmo de busca. A cada
geração, um novo conjunto de indivíduos é criado usando parte dos antigos. As
principais características deste método são: codificação dos parâmetros, a busca é feita a
partir de uma população de pontos e não em um único ponto como dos algoritmos
determinísticos, utiliza somente a função custo e usa regras probabilísticas de transição.
O Simulated Anneling (SA) “recozimento simulado”, o qual simula o processo
de recozimento e teve seu algoritmo inspirado por estudos na mecânica estatística que
trata do equilíbrio de um grande número de átomos em sólidos e líquidos a uma dada
temperatura.
11
Simulated Anneling (SA) é um algoritmo de otimização confiável para encontrar
o ótimo global, isto é, tem maior probabilidade de encontrar o ótimo global, mesmo
com um grande número de variáveis de projeto. A principal desvantagem destas
técnicas é a exigência de um número muito grande de iterações para a convergência.
Guzmán et al. (2008) usam uma nova metologia de otimizaçao topológica que
combina análise estrutural pelo MEF com uma estratégia de otimizaçao inspirada no
“bacterial chemotaxis”. O principio do BCBTOA (Bacterial Chemotaxis Based
Topology Optimization Algorithm) é bem simples. A estrutura evolui para uma
configuração ótima por uma redistribuição sistemática de material no interior do
domínio de projeto, reforçando as áreas de sobrecarga e removendo o material onde este
não é requerido. Inspirou-se no comportamento coletivo autônomo organizado mostrado
pelas bactérias marinhas thiovulum majus. O domínio de projeto é construído pelo MEF
e representa o ambiente, onde uma colônia de bactérias pode movimentar. O objetivo é
que um número máximo de bactérias da colônia sobreviva. Assim, para aumentar a
chance de sobrevivência de um número máximo de indivíduos da colônia, a cada
iteração elas trocam informações sobre a concentração de nutrientes na sua atual
localização, com base nestas informações as bactérias localizadas em posições com
baixas concentrações de nutrientes movem-se para posições mais favoráveis.
12
onde pode existir a estrutura, um dado carregamento, uma dada fixação e certa
quantidade de material, Stump (2006).
O domínio fixo estendido é discretizado por uma malha de elementos finitos que
não se altera ao longo do processo de otimização e permite calcular as respostas
mecânicas. A otimização consiste em determinar quais pontos da estrutura devem
possuir ou não material; deste modo, a distribuição das densidades é parametrizada de
modo que cada ponto do domínio fixo estendido possa variar entre (0) e (1),
respectivamente, para ausência de material e presença de material. Os algoritmos
baseados nesta técnica buscam a melhor forma de distribuir o material minimizando ou
maximizando a função custo. Um exemplo para este grupo é o método SIMP (“Simple
Isotropic Material with Penalization”) Bendsøe (1989), Rozvany et al. (1992).
Na abordagem macro (geométrica), a topologia da estrutura é modificada
através da inserção de vazios no domínio. Como exemplo deste grupo de OT pode-se
citar o ESO (Evolutinary Structural Optimization) que é baseado no cálculo da função
objetivo quando um elemento é removido da malha de elementos finitos e TSA
(Topological Sensitivity Analysis) que é baseado em uma função escalar, denominada
Derivada Topológica, que fornece para cada ponto do domínio de definição do
problema a sensibilidade da função custo quando um pequeno furo é criado,
Labanowski et al. (2004).
O foco deste trabalho está relacionado ao processo de otimização topológica,
sendo apresentado a seguir um breve comentário sobre alguns destes métodos.
13
inicialmente, proposta por Bendsøe e Kikuchi (1988) baseada no conceito de
microestruturas e de homogeneização, ver figuras 2.1 e 2.2.
14
quais a única variável de projeto é a densidade de material ρ(x ) . O uso de
microestruturas artificiais, além de garantir a existência da mistura entre os dois
materiais isotrópicos de base, conduz, naturalmente, a projetos mais simples,
principalmente se forem utilizadas em conjunto com alguma técnica de filtragem,
Sant'Anna (2002).
Um critério de tensão para o modelo SIMP deve ser simples tal como a relação
entre densidade e rigidez. A isotropia das propriedades de rigidez devem ser estendidas
para o modelo de tensão. A restrição de tensão aplicada no modelo SIMP é a restrição
de tensão de Von Mises σ VM :
σ VM ≤ ρ nσ 1 se ρ > 0 (2.2)
Esta restrição reflete a atenuação de força de um meio poroso que surge quando
uma tensão média está distribuída na microestrutura local, o que significa que as tensões
permanecem finitas e não nulas para as densidades zero, Bahia (2005). A OT com
restrição de tensão está sujeita ao fenômeno de “instabilidade” que ocorrem devido à
degeneração do espaço de projeto então, o algoritmo não consegue atingir o ótimo sem
violar a restrição de tensão, este tema foi abordado por Kirsch (1990), Cheng e Jiang
(1992) e Cheng e Guo (1997) que propuseram uma relaxação ε nas regiões de baixa
densidade (altamente deformadas).
15
(a) (b)
Figura 2.3 - (a) Domínio original (sem furo), (b) Domínio perturbado (com furo).
Novotny (2003)
No caso específico de problemas estruturais, objetiva-se modificar o domínio Ω
e seu contorno, através do cálculo da sensibilidade da função custo à introdução de um
vazio, que corresponde a impor condições de contorno de Neumann homogênea sobre a
fronteira do furo introduzido. Se o domínio Ω é perturbado mediante a introdução de
um pequeno furo centrado no ponto escolhido arbitrariamente x̂ ∈ Ω , tem-se um novo
domínio Ω e = Ω − Be , cujo contorno é denotado por Γe = Γ ∪ ∂Be , onde Be = Be ∪ ∂Be
16
2.3.3 Método de Otimização Topológica ESO (Evolutionary Structural
Optimization)
17
As principais contribuições relacionadas aos problemas de instabilidades
numéricas como: tabuleiro de xadrez, dependência da malha e os mínimos locais, foram
dadas por: Jog e Haber (1996), Haber et al. (1996), Sigmund (1997), Sigmund e
Peterson (1998), Cardoso e Fonseca (1999), Zhou et al. (2001), Stolpe e Svanberg
(2001.a), Bourdin (2001), Pousen (2002), Zhang e Duysinx (2003) e Matsui e Terada
(2004).
Os problemas mencionados acima serão brevemente comentados a seguir.
São muitos os trabalhos sobre este assunto, mas não existe um consenso entre os
pesquisadores sobre qual a melhor explicação para tal fenômeno. Existem duas
abordagens que aparecem com mais aceitação dentro da comunidade científica,
propostas por Diaz e Sigmund (1995). A primeira defendem a idéia de que esta
18
instabilidade ocorre devido às aproximações numéricas utilizadas pelo Método de
Elementos Finitos.
Segundo estes autores, a configuração em forma de tabuleiro apresenta uma
rigidez maior do que a homogênea, quando comparada em termos de deformação de
cisalhamento e volume constante. Esta abordagem é também defendida por Bendsøe e
Sigmund (2003) e sugerem como técnica para eliminação desta instabilidade que ocorre
quando se utilizam na formulação de elementos finitos, os elementos com funções de
interpolação bi-lineares, por exemplo, elementos quadriláteros de quatro nós ou
triangulares de três nós, a implementação com elementos de alta ordem (8 e 9 nós), pois
estes elementos poderiam simular de forma mais precisa o campo dos deslocamentos
podendo, então, reduzir a ocorrência deste problema.
A segunda abordagem defendida por Jog e Haber (1996) que utilizaram a teoria
de elementos finitos mistos para expressar o problema da OT, com dois campos físicos:
campo dos deslocamentos e das densidades, de forma similar ao problema de Stokes
(problema de distribuição das pressões em problemas de escoamento de fluídos no qual
distribui dois campos físicos: campo das velocidades e das pressões) ver Oden et al.
(1982). Entretanto, todas as combinações demandam elementos de alta ordem, pelo
menos na interpolação dos deslocamentos. Devido à dificuldade de implementação e o
alto custo computacional nestas duas abordagens surgem os filtros como alternativa de
redução da instabilidade de tabuleiro que será comentado a seguir.
19
de membros da estrutura e o resultado qualitativamente diferente de um modelo com
uma malha mais grosseira, ver figuras 2.5. Assim, alguns trabalhos para a
independência da malha foram propostos como controle do perímetro (restrição dos
perímetros dos “buracos” formados na topologia), Haber e Jog (1996), restrições dos
gradientes local e global, Bendsøe e Sigmund (2004), controle do gradiente local e
global modificado, Zhou et al. (2001), filtros independentes da malha, Bendsøe e
Sigmund (2004), Sigmund e Peterson (1998). Vale ressaltar que esta técnica tem um
comportamento heurístico, portanto uma filosofia diferente da anterior e tem capacidade
de eliminar o aspecto de tabuleiro.
Figura 2.5 – Dependência da malha no problema de OT com restrição de tensão VM: (a)
malha com 3840 elementos triangulares (b) malha com 19200 elementos triangulares.
20
em sua maioria, incapazes de lidar com uma grande quantidade de variáveis de projetos,
o que é o caso da otimização topológica.
As técnicas descritas, anteriormente, para controlar o aparecimento de
instabilidades como tabuleiro de xadrez e dependência da malha tendem a tornar o
problema convexo, fazendo com que, dessa forma, não alterados os parâmetros, a
topologia final possa ser reproduzida, Sigmund e Petersson (1998).
Este é o grande problema da OT que é extremamente sensível a pequenas
modificações em seus parâmetros, como número de elementos, geometria inicial, RR
(raio de rejeição), ER (razão de evolução), por exemplo. A análise experimental
mostrou que modificações nestes parâmetros podem causar a não convergência do
problema.
As funções e funcionais envolvidos no problema de otimização topológica,
geralmente, são não-convexas, tanto devido à não-linearidades na função objetivo
quanto nas restrições, podendo dessa forma possuir inúmeros mínimos locais,
Sant’Anna (2002). A figura 2.6 ilustra os tipos de solução em problemas de otimização
topológica.
21
Capítulo 3
3.1 Introdução
22
ordem zero, também, possuem fácil implementação, mas demandam um número muito
grande de iterações para convergir.
Finalmente, em relação ao método de homogeneização que é extremamente
dependente da geometria da célula unitária utilizada, por isso, apresenta muitos
parâmetros a serem otimizados, proporcionando um alto custo computacional. O
método ESO foi escolhido por apresentar todas as vantagens citadas acima e ainda
apresentar uma formulação matemática que proporciona robustez e eficiência ao
método, tal formulação pode ser encontrada em Querin (1997).
σ
projeto, Ω = Γ + Γ é o domínio da estrutura e Γ = Ω / MAXe ≥ RR é o conjunto
σ VM (Ω)
23
dos elementos que não serão removidos da estrutura (sólido)
σ eVM
Γ = Ω − Γ = Ω / MAX < RR é o conjunto dos elementos que serão removidos
σ VM (Ω)
da estrutura (vazio).
O ESO é um processo de otimização estrutural, onde a forma e a topologia são
determinadas, simultaneamente, Xie e Steven (1997). A Otimização de Forma (“Shape
Optimization”) pode ser entendida como uma classe restrita da otimização topológica.
Ela determina os limites ótimos de uma estrutura para a topologia física dada. Nesse
modelo de otimização, o objetivo é modificar os contornos de uma estrutura para
alcançar economia de peso e melhoria no desempenho estrutural. A figura 3.1 mostra
um problema típico de otimização de forma.
24
3.3 O Método ESO em Tensão de Von Mises
Retirada do e-ésimo
elemento
vm
σ max = σ x2 − σ x σ y + σ y2 + 3τ xy (3.2)
25
Onde σ x e σ y são respectivamente, as componentes normais do tensor de tensões nas
RR i +1 = RR i + ER i = 0,1,2,3,... (3.4)
26
Pross (2002). A cada etapa evolutiva de RR é possível observar a nova forma e
topologia determinada. O processo evolutivo em tensão pode ser determinado como
segue:
27
Figura 3.4 – Procedimento ESO em tensão de Von Mises
28
3.4 – Nibbling
29
cavidade. Neste caso, a forma original do ESO é aplicada para iniciar a cavidade
interna. Depois de criada a nova cavidade o Nibbling ESO continua modificando a
forma e o tamanho da nova cavidade assim como os contornos existentes até haver uma
“necessidade” para outra cavidade.
Neste trabalho, foi proposto um limite superior e um inferior para atuação do
Nibbling, com o objetivo de controlar o seu momento de atuar criando vazio, dentro de
uma região de baixa tensão do domínio fixo estendido, evitando, portanto, que ocorra
uma instabilidade na estrutura, como verificado quando o Nibbling convencional esta
atuando. Estes limites serão prescritos pelo usuário que define em qual intervalo de
iterações o Nibbling pode atuar, ver figura 3.6, proporcionando uma estrutura mais
robusta e com uma melhor performance, conforme percebido nas análises numéricas
avaliadas.
w p
Válido para uma certa Iteração:
m
ESO
(Com ou Sem Nibbling)
30
3.5 Índice de Performance
σ 0VM .V0
IP =
σ VM
i .Vi
(3.5)
inicial), σ 0VM tensão máxima de Von Mises na primeira iteração (tensão inicial) e
σ VM
i tensão de Von Mises máxima do elemento i na i-ésima iteração.
31
3) Calcular o índice de performance
4) Calcular a tensão de Von Mises ou (número de sensibilidade).
5) Remover os elementos com menores tensões ou (número de sensibilidade)
6) Repetir os passos de 2 a 6 até que o índice de performance seja menor que 1
ou constante nas próximas iterações.
32
3.6 Elemento Finito – Estado Plano de Tensões
nó j {u}Tj = {u j v j θ x }
•
j
3
x2
nó i
•{u} T
= {ui vi θ x i }
i
x1
nó k •
{u}Tk = {uk vk θ x k }
3
33
concentrada equivalente para cada nó do elemento, já computando seu volume e peso
específico o qual é indicado nos dados de entrada do problema. Para este tipo de ação,
os elementos não são caracterizados como elementos de suporte, podendo ser retirados
da estrutura ao longo do processo iterativo do ESO.
Dessa forma, o programa segue o fluxograma conforme apresentado na figura
3.4.
O exemplo, a seguir, visa simular uma viga curta biapoiada. As geometrias bem
como as condições de contorno aplicadas podem ser vistas na figura 3.9. O material
isotrópico utilizado é o aço, com módulo de elasticidade valendo E = 2,1 ⋅ 1011 N/m 2 e
um coeficiente de Poisson valendo ν = 0,3 . O domínio foi discretizado com uma malha
refinada de (25x60) com 2998 elementos finitos.
34
Figura 3.9 – Problema de duas barras
35
Figura 3.11 - RR= 5,25%, RRI=1%, ER=0,75%,VI=47,5%,
VRI=10%, 2998 elementos triangulares,
Iteração 87 - malha (25x60) - ESO.
36
Figura 3.14 – Problema de duas barras
Porto (2006).
Com o objetivo de avaliar a dependência do método de otimização
implementado com relação ao refino da malha e o volume desejado, o exemplo de duas
barras foi discretizado com as seguintes malhas (40x96) e (50x120) e volume desejado
igual a 25%. Os demais parâmetros e condições de contorno foram mantidos iguais. Os
resultados obtidos com o código implementado nesta dissertação serão apresentados a
seguir.
37
Com o objetivo de analisar a influência da geometria inicial na configuração
ótima final, no problema de duas barras, foram alteradas as dimensões do domínio
inicial como podem ser observadas na figura 3.17.
38
3.7.2 Mão-francesa
39
Figura 3.20 - RR= 2%,RRI=1%, ER=1%,VI=72%
VRI=5%, 2998 elementos triangulares,
Iteração 42 - malha (80x40) - ESO.
Estes resultados podem ser comparados com os resultados obtidos por Marczak
(2006) e Labanowski (2004), respectivamente, usando Método de Elementos de
Contorno e ESO com critério de rigidez. A configuração ótima apresentada pelos
autores citados acima pode ser observada nas figuras 3.22 e 3.23. A figura 3.24 ilustra a
configuração ótima obtida com o algoritmo ESO, implementado neste trabalho, em
critério de tensão máxima da estrutura.
40
Figura 3.22 – Viga curta bi-apoiada – MEC - A = 40% A
Marczak (2006).
41
parâmetros e condições de contorno, observa-se que a presença do tabuleiro de xadrez
aumentou, mas a estrutura ficou mais robusta. Os resultados obtidos são apresentados a
seguir.
Como era esperado, diferenças entre as soluções obtidas, para diferentes valores
de restrições de volume, são evidentes. Entretanto, não mudam, para este exemplo, a
topologia, apenas as larguras das barras. Observa-se, também, que o modelo comparado
mantém, aproximadamente, a mesma inclinação das barras, isto é, estão convergindo
para mínimos locais parecidos.
42
Capítulo 4
4.1 Introdução
43
precoce de algum elemento, mas também, gera um maior tempo computacional no
processo evolutivo.
O SESO foi desenvolvido, inicialmente, organizando em um grupo os
elementos que atendem a inequação (3.3), de modo que é estabelecido a priori uma
porcentagem de permanência (p%) dos elementos desse grupo, de modo que os demais
elementos do grupo são devolvidos à estrutura (1-p%). Esta devolução é realizada por
uma função reguladora, que pondera os elementos com maiores tensões como um
procedimento (“soft-kill”). Esta técnica mostrou-se eficiente e capaz de suavizar um
dos principais problemas da otimização topológica que é a formação de tabuleiro de
xadrez (“checkerboard”), conforme comentado.
Neste capítulo, será feita uma abordagem teórica da técnica SESO, sendo
apresentados os resultados numéricos de alguns exemplos clássicos da literatura da OT
usando esta técnica. Também será feito um breve comentário sobre os filtros de
densidade e de vizinhança fixa, assim como, a formulação do filtro utilizado neste
trabalho.
44
O procedimento “soft-kill”, usado na técnica SESO, pode ser interpretado assim:
D0 se j ∈ Γ
D( j ) =
D 0η j (Γ ) se j ∈ Γ
(3.6)
σ eVM
onde 0 ≤ η j (Γ ) ≤ 1 é uma função reguladora que pondera o valor da razão dentro
σ VM
MAX
função linear do tipo η(Γ ) = αj + β ou uma função trigonométrica do tipo η(Γ ) = sen (αj) ,
pois estas funções são contínuas, portanto, diferenciáveis em todo o domínio Γ e tem
imagem variando de 0 a 1.
45
Figura 4.2 – Ilustração da evolução do volume com
a variação da função reguladora η ( j )
4.3 – Filtros
46
bem condicionado, pois considera os centróides de um conjunto de elementos finitos da
malha contido num círculo cujo centro coincide com o centróide de um elemento finito
central, deste modo todos os elementos vizinhos localizados no interior do círculo
influenciam diretamente na densidade deste último elemento.
47
problema de dependência da malha, mas tem a capacidade de solucionar a instabilidade
de tabuleiro.
48
Depois da implementação da rotina do ESO, num procedimento “hard-kill”,
verifica-se a formação do tabuleiro e a grande dependência desta técnica da
discretização do domínio inicial do projeto. A partir disso, foi implementado um filtro
espacial de tensão que tem capacidade de evitar a formação do tabuleiro. Este filtro
suaviza a distribuição espacial das variáveis de projeto (tensão de Von Mises de cada
elemento) ao longo do domínio inicial do projeto.
O filtro utilizado neste trabalho minimiza, também, a dependência da malha de
elementos finitos e permite o controle da complexidade da topologia.
O parâmetro de controle do filtro é o raio de abrangência e quanto maior for o
raio maior será a suavização da distribuição das tensões de Von Mises do elemento
central no interior do domínio inicial. Porém não se deve usar um valor pequeno, pois
corre-se o risco de voltar ao problema da formação do tabuleiro de xadrez, e não se deve
usar um valor grande, uma vez que culmina numa quantidade muito grande de
elementos para calcular as tensões intermediárias de Von Mises, já que esta é calculada
observando a distância entre os centróides do elemento central e os vizinhos de nós e
arestas, e os elementos cujos centróides estiverem dentro do circulo de raio r, ver figura
4.5.
Raio de Abrangência
49
A maneira pela qual a tensão do elemento i sofre influência das tensões dos
elementos j dentro de uma circunferência de raio r é dada pela equação:
NV
i . Ai + w . ∑ σ j . A j
σ vm vm
σ iponderado =
j
NV
(3.7)
A i + w. ∑ A j
j
σ vm
j a tensão de Von Mises do elemento j. O peso w é escrito através da equação:
NV
∑wj
j=1
w= (3.8)
NV
onde:
R max − R ij
wj = (3.9)
R max
50
pequenas tais que o problema de otimização pode não ter solução para a condição inicial
proposta.
O algoritmo do filtro de tensões, implementado neste trabalho, será apresentado
a seguir:
1) Calcular as coordenadas do CG do elemento i;
2) Determinar as coordenadas do CG dos elementos j em relação aos eixos
coordenados de referência;
3) Definir o raio da circunferência, neste trabalho, dado pela média aritmética
dos lados dos elementos finitos triangulares, multiplicado por um escalar;
4) Calcular a distância do CG do elemento i ao CG dos elementos j e comparar
com o raio, se esta distância for menor que o raio, o elemento j terá o CG.
dentro do circulo de raio r;
5) Calcular a média ponderada da tensão do elemento i, usando a equação 3.7.
51
Figura 4.6 – Fluxograma do SESO
52
4.6 Estudos de Caso
53
Figura 4.6.2 - RR= 6,75%, 2998 elementos triangulares,
Iteração 87 - malha (25x60) - SESO.
54
Figura 4.6.5-RR=5,25%, 12000 elementos triangulares,
Iteração 182 - malha (50x120).
80
70
60
50
RR(%)
40
30
20
10
0
0 1000 2000 3000 4000 5000
NÚM ERO DE ELEM ENTOS
4.6.2 Mão-francesa
Neste, exemplo, para fazer uma comparação com o método ESO, não foram
alteradas as variáveis de projeto, apenas os limites de atuação do Nibbling. Assim, as
55
dimensões do domínio e as condições de contorno podem ser verificadas no capítulo
anterior, ver figura 3.19. O material isotrópico utilizado é o aço, com módulo de
elasticidade valendo E = 2,1 ⋅ 1011 N/m 2 e um coeficiente de Poisson valendo ν = 0,3 . O
domínio foi discretizado numa malha fina de (80x40) com 6400 elementos.
Aplicando o algoritmo, obteve-se a evolução da estrutura para a seguinte forma
otimizada, veja figuras 4.6.7 e 4.6.8.
Figura 4.6.7-RR=2%,RRI=1%,ER=1%,VI=72%,
VRI=5%, 8000 elementos triangulares,
Iteração 32 - malha (80x40) - SESO.
Figura 4.6.8-RR=3%,RRI=1%,ER=1%,VI=40%,
VRI=5%, 8000 elementos triangulares,
Iteração 88 - malha (80x40) – SESO
56
parâmetros e condições de contorno foram mantidos iguais. Os resultados obtidos serão
apresentados a seguir, veja figuras 4.6.9 e 4.6.10.
Figura 4.6.9-RR=6,0%,RRI=1%,ER=0,75%,VI=35%,
VRI=5%,4800 elementos triangulares,
Iteração 128 - malha (60x40) - SESO.
Este exemplo foi resolvido usando o método ESO e a técnica SESO para fazer
uma comparação entre as variáveis de projeto envolvidas. Assim, são apresentados
alguns gráficos que mostram a evolução da solução nos dois processos de otimizaçao.
57
A geometria, condições de contorno e ações do problema são indicadas na figura
4.6.11, e a espessura considerada para chapa foi de 1 mm . O domínio foi discretizado
numa malha refinada de (100x40) com 8000 elementos finitos triangulares.
O processo evolucionário começou com uma razão de rejeição (RR) igual 1% e
uma razão evolucionária de 1%. As propriedades do material utilizado são coeficiente
de Poisson ν = 0,33 , módulo de Young E = 210 GPa e volume desejado igual a 40% do
volume inicial, volume retirado por iteração igual a 1,75%.
58
Figura 4.6.13 - RR=4%,RRI=1%, ER=1%, VI=40%
VRI=1,75%, 8000 elementos triangulares,
Iteração 142 - malha (100x40) - ESO.
Volume
Peformance
VOLUME E ÍNDICE DE PERFORMANCE
2.5
2.0
1.5
1.0
0.5
0.0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150
NÚMERO DE ITERAÇÕES
59
pode causar uma instabilidade numérica que, neste caso, poderia ser detectada pelo
índice de performance.
851.9
851.8
851.6
851.5
851.4
851.3
851.2
851.1
851.0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150
NÚMERO DE ITERAÇÕES
0.04
RAZÃO DE REJEIÇÃO (RR)
0.03
0.02
0.01
0.00
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150
NÚMERO DE ITERAÇÕES
60
mantendo os mesmos parâmetros usados no ESO, mudando apenas os limites de
atuação do nibbling. A estrutura, então, evoluiu para a seguinte forma ótima, conforme
figura 4.6.18.
61
Volume
Índice de Peformance
2.0
1.5
1.0
0.5
0.0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160
NÚMERO DE ITERAÇÕES
566.00
565.75
TENSÃO DE VON MISES MÁXIMA
565.50
565.25
565.00
564.75
564.50
564.25
564.00
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150
NÚMERO DE ITERAÇÕES
62
0.06
0.04
0.03
0.02
0.01
0.00
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140
NÚMERO DE ITERAÇÕES
63
Capítulo 5
Resultados Numéricos
5.1 Introdução
64
Este capítulo está dividido em cinco partes, assim distribuídas: 1) exemplos com
cargas concentradas, 2) múltiplos casos de cargas, 3) topologia com buracos, 4) peso
próprio, 5) aplicações em engenharia civil e mecânica.
65
Figura 5.2 – Domínio inicial para a estrutura de Michell
66
Figura 5.5 - RR= 6,0%, RRI=1%,ER=0,75%,
VRI=1,75%,7680 elementos triangulares,
Iteração 230 - malha (96x40) – ESO
67
Figura 5.8 - RR= 8,8%, RRI=1%, ER=1,1%,
VRI=5%, 7680 elementos triangulares,
Iteração 129 - malha (96x40) – SESO
Volume
2.6
Índice de Performance
2.4
VOLUME E INDICE DE PERFORMANCE
2.2
2.0
1.8
1.6
1.4
1.2
1.0
0.8
0.6
0.4
0.2
0.0
0 20 40 60 80 100 120 140
NÚMERO DE ITERAÇÕES
O gráfico a seguir mostra que a razão entre a tensão de Von Mises atual pela
tensão de Von Mises inicial cresce com o número de iterações devido a remoção do
elementos em cada iteração, no entanto, nas análises realizadas este crescimento não
ultrapassou o valor de 2% da tensão inicial.
68
1.04
(TVMATUAL/TVMINICIAL)
1.03
1.02
1.01
1.00
0.99
0.98
0 20 40 60 80 100 120 140
NÚMERO DE ITERAÇÕES
Figura 5.10 – Razão da tensão de Von Mises Máxima atual pela Inicial
por número de iterações usando a técnica SESO
Os resultados podem ser comparados com o resultado obtido por Liang (2005),
Querin (1997), respectivamente, usando PBO (Performance-based Optimization) e
Performance Index. A configuração ótima apresentada pode ser vista nas figuras 5.11 e
5.12.
69
Neste exemplo, constatou-se que o método ESO, apresentou a instabilidade
numérica do tabuleiro de xadrez, e teve um custo computacional de, aproximadamente,
12minutos. A técnica SESO apresentou um custo computacional de 8 minutos, e não
apresentou a instabilidade do tabuleiro, além de apresentar-se mais robusta e mais
“limpa”, que no método ESO. Os parâmetros alterados, ER e volume retirado por
iteração, proporcionaram à técnica SESO melhor desempenho computacional.
Este exemplo visa simular uma viga biengastada sob estado plano de tensão. A
geometria e as condições de contorno são mostradas na figura 5.13. A estrutura contínua
é discretizado em um modelo de elementos finitos, com 3600 elementos triangulares.
As unidades de todas as grandezas envolvidas são compatíveis entre si, a espessura
considerada para esta viga foi de 1 mm . O resultado encontrado usando o método ESO e
a técnica SESO pode ser comparado com o apresentado por Wang (2003), ver figura
5.17, usando o Método de Homogeneização.
70
de Poisson ν = 0,30 , módulo de Young E = 100 GPa e volume desejado igual a 53% do
volume inicial, o volume retirado por iteração foi de 1%.
Aplicando o algoritmo implementado obteve-se a evolução da estrutura para a
seguinte forma otimizada, veja figuras 5.14 a 5.16.
71
Figura 5.17 - Viga curta biengastada com carga pontual
Wang (2003)
72
Figura 5.20 – RR=6,25%,RRI=1%, ER=1,25%,
VRI=10% 3600 elementos triangulares,
Iteração 73 – malha (60x30) – SESO
73
Figura 5.3.1 – Viga curta biapoiada com três
cargas concentradas
74
Figura 5.3.4 – RR = 12,75%, RRI=1%,ER=0,75%,
VRI=1,75%,1280 elementos triangulares,
Iteração 113 – malha (32x20) - ESO
75
Figura 5.3.7 – RR = 11,25%,RRI=1%,ER=1,25%,
VRI=1,25 1280 elementos triangulares,
Iteração 64 – malha (32x20) - SESO
76
Figura 5.3.10 – RR = 6,25%,RRI=1%,ER=1,25%,
VRI=5%, 16000 elementos triangulares,
Iteração 99 – malha (160x50) - SESO
77
O processo evolucionário começou com uma razão de rejeição (RR) igual 1% e
uma razão evolucionária de 1%. As propriedades do material utilizado são coeficiente
de Poisson ν = 0,30 , módulo de Young E = 200 GPa e volume desejado igual a 44% do
volume inicial, volume retirado por iteração igual a 10%. Os valores das cargas são
iguais a P1 = 40KN e P2 = 20KN .
78
Este resultado pode ser comparado com o resultado proposto por Liang (2007),
conforme ilustrado na figura 5.3.15, a seguir.
79
5.4.2 Exemplo 1 – Problema de duas Barras
Este exemplo foi proposto por Silva (2001) e o resultado está ilustrado na figura
5.4.2, usando o método de otimização estrutural evolucionária (ESO) e será usado para
comparar e validar os algoritmos implementados neste trabalho.
80
Figura 5.4.2 – Problema de duas barras
Silva (2001)
81
Figura 5.4.5 – RR=9,0%, RRI=1%,ER=0,75%,
VRI=1,75%,2824 elementos triangulares,
Iteração 136 – malha (25x60) - ESO
Conclui-se que a alteração feita no domínio inicial não modificou o ótimo desta
estrutura. Isso pode ser explicado pelo fato de que após a iteração 27 todos os elementos
do contorno do furo foram removidos, tornando o problema igual ao original. Se o
buraco fosse introduzido na região viável este resultado seria bastante modificado.
Este exemplo foi resolvido usando a técnica SESO, mantendo as mesmas
variáveis de projeto, mudando apenas limites inferior e superior de atuação do nibbling.
Assim a estrutura evoluiu para a seguinte forma otimizada, veja figuras 5.4.6 a 5.4.8.
82
Figura 5.4.7 – RR=6,0%, RRI=1%,ER=0,75%
VRI=1,75%,2824 elementos triangulares,
Iteração 89 – malha (25x60) - SESO
83
Figura 5.4.9 – Viga biapoiada com dois buracos
Liang et al. (2000)
84
Figura 5.4.11 – RR=3%, RRI=1%,ER=1, %,
VRI=1,75%,4688 elementos triangulares,
Iteração 67 – malha (100x25) - ESO
85
Figura 5.4.14 – RR=9%,RRI=1%,ER=1%,
VRI=1,75%, 4688 elementos triangulares,
Iteração 110 – malha (100x25) - SESO
Este exemplo foi proposto por Liang et al. (2000). Sua forma ótima está ilustrada
na figura 5.4.16 e será usado para comparação e validação das técnicas implementadas
nesta dissertação.
86
Figura 5.4.16 – Viga bi-apoiada com dois buracos - Configurações ótimas
Liang et al. (2000)
Esta estrutura foi modelada conforme mostra a figura 5.4.17. Ao todo o modelo
numérico possui 13200 elementos finitos triangulares.
Os parâmetros materiais e geométricos, assim como os carregamentos aplicados,
utilizados neste exemplo são: coeficiente de Poisson ν = 0,15 , módulo de Young
E = 20820 MPa , espessura de 1 mm , volume desejado igual a 48% do volume inicial e
o volume retirado por iteração igual 1,75%. O processo evolucionário ocorreu com uma
razão de rejeição de 1% e uma razão de evolução de 1%. O “buraco” inserido no
domínio tem área de 225 dm 2 e seus vértices têm coordenadas (5,5), (20,5), (20,20) e
(5,20).
87
Figura 5.4.17 – Viga biapoiada com um buraco
Liang et al. (2000)
88
Figura 5.4.19 – RR=2%, RRI=1%,ER=1%,
VRI=1,75%,13200 elementos triangulares,
Iteração 58 – malha (150x47) - ESO
89
Figura 5.4.22a – RR=3%, RRI=1%,ER=1%,
VRI=1,75%,13200 elementos triangulares,
Iteração 65 – malha (150x47) – SESO
Este exemplo foi proposto por Liang (2000). Sua forma ótima está ilustrada na
figura 5.4.23 e será usado para comparação e validação das técnicas implementadas
nesta dissertação.
90
5.4.5 Exemplo 4 – Chapa Parafusada
91
triangulares. O segundo caso foi analisado com a mesma malha, mas uma poligonal de
oito segmentos, com isso o número de elementos finitos triangulares passou para 3696.
O processo evolucionário de otimização estrutural ESO sobre critério de tensão
máxima da estrutura evoluiu para a seguinte forma ótima:
Primeiro Caso: O processo evolucionário começou com uma razão de rejeição (RR)
igual 1% e uma razão evolucionária de 0,5%. Foram adotados neste exemplo como
parâmetros do material E = 215 GPa , coeficiente de Poisson ν = 0,30 , espessura igual
1 mm . O volume desejado igual a 15% do volume inicial, a taxa de retirada de material
por iteração foi de 5% caso ocorra uma uniformidade de tensão antes do estado de
equilíbrio.
92
Figura 5.4.28 – RR=5,5%,RRI=1%, ER=0,5%,
VRI=5%, 3795 elementos triangulares,
Iteração 614 – malha (55x40) - ESO
Este exemplo foi proposto por Marczak (2006) usando o Método de Elementos
de Contorno. Sua forma ótima está ilustrada na figura 5.4.32 e será usado para
comparação e validação das técnicas implementadas nesta dissertação.
Pode-se constatar que, o algoritmo SESO, convergiu com 308 iterações
enquanto o ESO com 614 iterações, provavelmente isto se deve ao aumento dado à
razão de evolução, uma vez que, as demais variáveis envolvidas no processo
evolucionário foram mantidas iguais.
93
Figura 5.4.30 – RR=15,4%,RRI=1%,ER=1,1%,
VRI=5%, 3795 elementos triangulares,
Iteração 178 – malha (55x40) - SESO
94
Segundo Caso: Neste caso, o volume retirado por iteração foi o mesmo do caso anterior,
isto é, 5% e o volume final 25% do volume inicial, diferente do aplicado no primeiro
caso. As demais condições não foram alteradas, verificando-se que a estrutura evolui
para a seguinte configuração ótima.
95
Constata-se que, o algoritmo SESO, neste caso, convergiu com 607 iterações,
conforme já era esperado, pois a razão de evolução diminuiu em 0,6%, e as demais
variáveis de projeto foram mantidas iguais. Assim, a estrutura evoluiu para a seguinte
forma otimizada, veja figuras 5.4.36 a 5.4.38.
96
A figura 5.4.39 pode ser usada como comparação dos resultados obtidos no
segundo caso, esta figura foi retirada do artigo de Marczak (2006).
Este exemplo foi resolvido usando o método ESO e a técnica SESO para fazer
uma comparação entre as variáveis de projeto envolvidas. A geometria, condições de
contorno e ações do problema são indicadas na figura 5.4.40, e a espessura considerada
para chapa foi de 1 mm . O domínio foi discretizado numa malha refinada de (60x40)
com 4768 elementos finitos triangulares. Foi introduzido um furo quadrado cujo centro
é o centróide da chapa e sua área igual 1cm 2 .
97
O processo evolucionário começou com uma razão de rejeição (RR) igual 1% e
uma razão evolucionária de 0,5%. As propriedades do material utilizado são coeficiente
de Poisson ν = 0,3 , módulo de Young E = 100 GPa e volume desejado igual a 20% do
volume inicial, volume retirado por iteração igual a 5%.
Este exemplo foi proposto por D. Tcherniak e O. Sigmund (2001). Sua forma
ótima está representada na figura 5.4.41 e será usada para comparação e validação das
técnicas implementadas nesta dissertação.
98
Usando a técnica ESO, a estrutura evoluiu para a seguinte forma otimizada,
observe as figuras 5.4.42 a 5.4.44.
99
Constata-se que o algoritmo SESO, neste caso, convergiu com o mesmo número
de iterações que o algoritmo ESO, isto ocorreu porque houve um aumento de 0,25% na
razão de evolução, já que as demais variáveis de projeto não foram alteradas. Assim, a
estrutura evoluiu para a seguinte forma otimizada, veja figuras 5.4.45 a 5.4.47.
100
5.5 Peso próprio
5.5.1 – Maçã
101
Figura 5.5.1 - Maçã – Peso Próprio
Querin (1997)
102
Figura 5.5.3 - RR=0,3%,RRI=0,1%, ER=0,1%, VI=76%.
VRI=1,75%, 4309 elementos triangulares,
Iteração 45 - malha (81x27) - ESO.
Índice de Peformance
1.7 Volume
1.6 Tensão de Von Mises
1.5
1.4
1.3
1.2
PI/VOLUME/TVM
1.1
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 10 20 30 40 50
NÚMERO DEITERAÇÕES
103
Figura 5.5.5 - RR=0,2%,RRI=0,1%, ER=0,1%, VI=89%,
VRI=1,75%, 4309 elementos triangulares,
Iteração 27 - malha (81x27) - SESO.
104
Índice de Performance
Volume
1.6
Tensão de Von Mises
1.5
1.4
1.3
1.2
1.1
PI/VOLUME/TVM 1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 10 20 30 40
NÚMERO DE ITERAÇÕES
Este exemplo foi proposto por Querin (1997) e Xie et al. (2005), usando ESO.
Sua forma ótima está ilustrada na figura 5.5.8, e será usado para comparação e
validação das técnicas implementadas nesta dissertação.
105
segundos e no ESO 104 segundos. Apesar da suavização, a técnica SESO, tem um custo
computacional menor. Provavelmente, isto se deve ao aumento das tensões de Von
Mises, durante o processo evolucionário, permitindo que sejam retirados mais
elementos pelo algoritmo SESO, que no algoritmo ESO, uma vez que o critério de
remoção dos elementos é igual.
Pode-se observar na figura 5.5.9 o fluxo de tensão durante o processo de
otimização usando as duas técnicas propostas neste trabalho.
106
Figura 5.5.10 – Viga biapoiada – Peso próprio
Porto (2006)
A geometria, condições de contorno e ações do problema são indicadas na figura
5.5.10, a espessura considerada para chapa foi de 1 mm . O domínio foi discretizado
numa malha refinada de (100x40) com 8000 elementos finitos triangulares.
As propriedades do material utilizado são coeficiente de Poisson ν = 0,3 ,
107
Figura 5.5.12 – RR=2,5%, RRI=`1%,ER=1,25%,
VRI=10%, 8000 elementos triangulares,
Iteração 40 – malha (100x40) - ESO
108
segundo na iteração 190. Os resultados apresentados pelo algoritmo SESO podem ser
observados nas figuras a seguir:
109
5.5.3 – Exemplo 2 – Viga Biapoiada
Este exemplo foi resolvido por Xie et al. (2005), utilizando ESO com critério de
tensão, a figura 5.5.18 ilustra a topologia ótima apresentada pelos autores. Esta
configuração será usada para comparação e validação das técnicas implementadas.
110
de Poisson ν = 0,3 , módulo de Young E = 100000Pa e volume desejado igual a 15% do
volume inicial. O volume retirado por iteração foi de 10% e a estrutura submetida à
ação de seu próprio peso.
Aplicando o algoritmo ESO obteve-se a evolução da estrutura para a seguinte
forma otimizada:
111
Este exemplo foi resolvido neste trabalho, fazendo uso da técnica SESO. As
variáveis de projeto permaneceram iguais às utilizadas no algoritmo ESO. Assim, a
estrutura foi submetida à ação de seu próprio peso convergindo para um arco conforme
pode ser observado nas figuras a seguir.
112
5.5.4 – Viga MBB
Este exercício foi proposto por Bruyneel e Duysinx (2004) em nota sobre
otimização topológica de estruturas do contínuo incluindo peso próprio, utilizando o
modelo SIMP e BGMMA (Gradient Based Method of Moving Asymptotes), a topologia
ótima pode ser observada na figura 5.5.27. A denominação deste problema tem como
origem o nome da empresa aeronáutica alem
113
volume retirado por iteração igual a 10%. Nestas condições, a estrutura evoluiu para a
seguinte forma otimizada, observe as figuras 5.5.28 a 5.5.30.
114
citado no texto. Serão ilustrados os estados ótimos intermediários e alguns gráficos para
comparar algumas das variáveis de projeto durante o processo evolutivo.
115
Figura 5.6.2 - RR=3%, RRI=1%,ER=1%,
VRI=5%,16000 elementos triangulares,
Iteração 40 - malha (90x60). – SESO
116
Têm-se, a seguir, os gráficos de volume e tensão por número de iterações. Estes
gráficos ilustram o comportamento destas variáveis durante o processo de otimização
usando o algoritmo SESO.
2.00
(VOLUME ATUAL)/(VOLUME INICIAL)
1.75
1.50
1.25
1.00
0.75
0.50
0.25
0.00
0 20 40 60 80 100 120 140 160
NÚMERO DE ITERAÇÕES
560
480
TENSÃO DE VON MISES MÁXIMA
400
320
240
160
80
0 25 50 75 100 125
NÚMERO DE ITERAÇÕES
117
malha refinada de (160x60) totalizando 19200 elementos. Este exemplo foi proposto
por Abdalla (2004) com um procedimento de otimização baseado em “células
automatas” (CA), cujo processo iterativo demanda 908 segundos, aproximadamente,
quinze minutos.
10
F=100KN
40
118
Este exemplo foi resolvido utilizando a técnica SESO e a estrutura evoluiu para
a seguinte forma otimizada, veja figuras 5.6.9 a 5.6.11, cujo processo iterativo
demandou 1190 segundos, aproximadamente, vinte minutos.
119
4.0
3.0
2.5
2.0
1.5
1.0
0.5
0.0
0 20 40 60 80 100
NÚMERO DE ITERAÇÕES
1180
1160
1140
TENSÃO DE VON MISES MÁXIMA
1120
1100
1080
1060
1040
1020
1000
980
960
0 20 40 60 80 100 120
NÚMERO DE ITERAÇÕES
120
exemplo foi proposto por Querin (1997), usando o Método ESO de otimização com o
critério de tensão máxima de Von Mises, baseado em Performance Index.
121
Figura 5.6.16 - RR=6,25%, RRI=1%,ER=1,25%,
VRI=5%,10240 elementos triangulares,
Iteração 90 - malha (128x40). – SESO
122
Nota-se que, a topologia usando o algoritmo SESO, figura 5.6.17, é,
relativamente, mais simples do que a topologia apresentada por Querin, figura 5.6.18.
Percebe-se, ainda, a existência de uma tendência de aparecimento de linhas de
transmissão de esforços mais finas na configuração ótima apresentada por Querin. No
entanto, ressalta-se que os resultados apresentados buscam uma comparação entre a
técnica SESO e o MSESO e não de resolver este problema, especificamente.
Constata-se, também, a existência de quatro pilares nos dois métodos.
A seguir, têm-se as topologias sem o suporte rígido, acompanhadas de um
conjunto de quatro gráficos de convergência que registram a evolução do processo de
otimização. Os gráficos correspondem a volume, índice de desempenho, tensão máxima
de Von Mises e razão de rejeição (RR), todos em relação ao número de iterações.
Observa-se que a configuração ótima com o algoritmo SESO, ilustrada na figura
5.6.21, não possui quatro pilares, isto se deve às condições de contorno que foram
alteradas devido ao suporte móvel proposto por Querin (1997).
123
Fig.5.6.21 - RR=13,75%,RRI=1%, ER=1,25%,
VRI=5%,10240 elementos triangulares,
Iteração169 - malha (128x40).- SESO
850
TENSÃO DE VON MISES MÁXIMA
800
750
700
650
600
0 20 40 60 80 100 120 140 160 180
NÚMERO DE ITERAÇÕES
28000
26000
VOLUME ATUAL/VOLUME INICIAL
24000
22000
20000
18000
16000
14000
12000
60 80 100 120 140 160 180
NÚMERO DE ITERAÇÕES
124
0.16
0.14
0.12
0.08
0.06
0.04
0.02
0.00
0 20 40 60 80 100 120 140 160 180
NÚMERO DE ITERAÇÕES
3.0
2.8
2.6
2.4
ÍNDICE DE PERFORMANCE
2.2
2.0
1.8
1.6
1.4
1.2
1.0
0.8
0.6
0.4
0.2
0.0
0 20 40 60 80 100 120 140 160 180
NÚMERO DE ITERAÇÕES
A estrutura bidimensional de uma bike, proposta por Lin e Hsu (2008), cujo
domínio de projeto, condições de contorno e topologia podem ser observados na figura
5.6.26.
125
Figura 5.6.26 – Domínio inicial de projeto e
condições de contorno da bike
Lin e Hsu (2008)
126
Figura 5.6.27 - RR=3,75%,RRI=1%,ER=1,25%,
VRI=25%, 7680 elementos triangulares,
Iteração 46 - malha (80x48).
127
5.6.5 – Modelo de Strut-and-Tie - Formato T
Este exemplo foi proposto por Liang (2002), onde a otimização é realizada via
minimização da energia de deformação. Tem-se na figura 5.6.31 a evolução da estrutura
e a sua configuração ótima.
128
Figura 5.6.31 – Modelo de Strut-and-Tie
Topologias proposta por
Liang et al. (2002)
129
Figura 5.6.33 – RR=8,5%,RRI=1%,ER=0,5%,
VRI=1,75%, 12040 elementos triangulares,
Iteração 208 – malha (170x60) - ESO
130
processo evolucionário ESO é muito importante que a razão de evolução (ER), seja um
valor entre 0% < ER ≤ 1% , devido à heurística do método, este parâmetro é um
controlador, pois evita que o raio de rejeição (RR) evolua de forma rápida o que pode
provocar uma instabilidade à estrutura, isto é, removendo uma grande quantidade de
material (elementos) capaz de provocar um mau condicionamento no sistema.
Usando o algoritmo SESO a estrutura evoluiu para a seguinte forma otimizada,
veja figuras 5.6.35 a 5.6.37.
131
Figura 5.6.37 – RR=19,5%, RRI=1%,ER=1,5%,
VRI=5%,12040 elementos triangulares,
Iteração 282 – malha (170x60) - SESO
132
Figura 5.6.38 – Modelo de Strut-and-Tie
Liang et al. (2000)
Este exemplo foi proposto por Liang et al. (2000), usando um procedimento
evolucionário com critério de parada em PI (índice de performance) da estrutura para
“strut-and-tie molds”. A figura 5.6.39 apresenta uma seqüência do processo
evolucionário e a configuração ótima proposta pelos autores.
133
Figura 5.6.39 – Modelo de Strut-and-Tie
Liang et al. (2000)
As figuras a seguir ilustram o processo evolucionário e configuração ótima da
estrutura com uso do algoritmo ESO.
134
Figura 5.6.41 – RR=3,0%,RRI=1%,ER=0,5%,
VRI=1,75%, 22656 elementos triangulares,
Iteração 107 – malha (88x216) - ESO
135
Figura 5.6.43 – RR=3%, RRI=1%,ER=0,5%,
VRI=1,75%,22656 elementos triangulares,
Iteração 102 – malha (88x216) – SESO
136
5.6.7 – Viga de Formato L
137
A evolução ótima dessa estrutura utilizando o algoritmo ESO implementado,
neste trabalho, será apresentada a seguir:
138
No processo evolucionário usando a técnica SESO foram alteradas as seguintes
variáveis de projeto: razão evolucionária igual 1%, os limites de atuação do nibbling e o
volume retirado por iteração. Neste exemplo mesmo estas variáveis sendo alteradas o
algoritmo SESO teve um custo computacional mais caro. Isto se deve ao fato de que
essa geometria, em especial, introduz uma dificuldade no ponto de vista da otimização,
pois o “canto vivo” é um concentrador de tensões, que apesar de dificultar a captação
numérica do valor das tensões, exige uma malha mais refinada para captar corretamente
o comportamento das tensões próximo ao “canto vivo”. Por isso, optou-se por utilizar
uma malha mais refinada mostrando que a formulação utilizada funciona, obtendo
resultados semelhantes aos da literatura pesquisada ver figura 5.6.46. Assim, a
geometria de formato L evoluiu para a seguinte forma otimizada, veja figuras 5.6.50 a
5.6.52.
.
Figura 5.6.50 – RR=9%,RRI=1%,ER=1%,
VRI=5%, 6400 elementos triangulares,
Iteração 61 – malha (80x40) – SESO
139
Figura 5.6.52 – RR=23%,RRI=1%,ER=1%,
VRI=5%, 6400 elementos triangulares,
Iteração 233 – malha (80x40) – SESO
Tem-se a seguir três figuras que mostram o fluxo de tensão dos algoritmos ESO
e SESO para este problema de OT.
140
Capítulo 6
Conclusões e Sugestões
6.1 – Introdução
6.2 – Conclusões
141
capturar o comportamento evolucionário e a determinar a forma ótima sobre critério de
tensão máxima da estrutura com restrições de volume. Assim sendo, dentre as principais
conclusões obtidas, destacam-se:
• Tanto no ESO quanto no SESO quanto mais discretizada for a malha mais
membros podem aparecer na sua configuração ótima, mostrando que em alguns
exemplos existe uma grande dependência da malha de elementos finitos, entretanto
a técnica SESO é menos sensível a esta discretização.
• A técnica SESO apresenta um custo computacional mais baixo que o ESO. Isto se
deve ao fato de que a suavização no campo das tensões permite uma retirada maior
de elementos do que na técnica ESO. Assim mesmo exigindo mais passos de RR
devido a sua heurística de remoção de elementos a técnica SESO mostrou-se mais
eficiente computacionalmente.
142
o filtro em alguns exemplos apresentou o tabuleiro e o SESO não apresentou em
nenhum exemplo o tabuleiro.
6.3 – Sugestões
• Desenvolver um critério formal como critério de parada para garantir que o ótimo
realmente seja atingido.
143
• Aplicar o SESO para a resolução de estruturas tridimensionais, considerando
fenômenos elastoplásticos.
144
Referências Bibliográficas
145
Bruyneel, M. e Duysinx, P. (2004) Note on topology optimization of continuum
structures including self-weight. Structural Optimization.
Canfield, S. e Frecker, M.(2000). Topology Optimization of Compliant Mechanical
Amplifiers for Piezoelectric Actuators, Struct Multidisc Optim, p.269-279.
Cardoso, E. L. e Fonseca, J. S. O. (1999). “Intermediate Density Reduction and
Complexity Control in the Topology Optimization”, 20th Iberian Latin-American
Congress on Computational Methods in Engineering (CILAMCE 99), Brasil.
Cardoso, E. L. e Fonseca, J.S.O. (2003) Complexity controls in the topology
optimization of continuum structure. Journal of the Brazilian Society of Mechanical
Sciences and Engineering, Vol. 25(3), 293-301, 2003.
Cardoso, E.L. (2000). Controle de Complexidade na Otimização Topológica de
Estruturas Contínuas, Dissertação de Mestrado, Universidade Federal do Rio
Grande do Sul.
Chen, B. C. e Kikuchi, N. (2001).Topology optimization with design-dependent loads.
Finite Elements in Analysis and Design, v.37, pp.57-70.
Cheng, G. e Guo, X. (1997) Epsilon-relaxed approach in structural topology
optimization, Structural Optimization, v. 13, n. 4, pp. 258-266.
Cheng, G. e Jiang, Z. (1992). Study on topology optimization with stress constraints,
Engineering Optimization, v. 20, pp. 129-148.
Cheng, K. T. e Olhoff, N. (1981). “An investigation concerning optimal design of solid
elastic plates”, International Journal of Solids Structures, v.17, pp. 305-323.
Cheng, T.K. e Olhoff, N. (1982). Regularized Formulation for Optimal Design of
Axisymmetric Plates”, International Journal of Solids Structures, 18-2, pp. 153-169.
Cho, S. e Choi, J. (2005). Efficient Topology Optimization of Thermo-Elasticity
Problems Using Coupled Field Adjoint Sensitivity Analysis Method, Finite Element
in Analysis and Design.
Christie, W. C. , Bettess, P. e Bull, J. W. (1998). Self-Designing Structures: A
Practical Approach, Engineering Computations, v. 15, n. 1, p. 35-48.
Chu, D.N., Xie, Y.M., Hira, A. and Steven, G.P. (1996). “Evolutionary structural
optimization for problems with stiffness constraints”, Finite Elements in Analysis
and Design, Vol. 21, pp. 239-251.
146
Coutinho, K. D. (2006). Método de Otimização Topológica em Estruturas
Tridimensionais, Dissertação de Mestrado, Universidade Federal do Rio Grande do
Norte, Natal, Rio Grande do Norte.
Cox, H.L. (1958). The Theory of Design, Aeronaut. Res. Council Rep. No. 19791.
147
Jog, C.S. e Haber, R.B. (1996). Stability of finite element models for distributed
parameter optimization and topology design, Computer Methods in Applied
Mechanics and Engineering, v. 130, n. 3-4, pp. 203-226.
Kim, H., Querin, O.M., Steven, G.P, e Xie, Y.M. (2002). Determination of an Optimal
Topology with a Predefined Number of Cavities, AIAA Journal, Vol. 40, n. 4, pp.
739-744.
Kikuchi, N., Cheng, H. C. e Ma, Z. D. (1995). Optimal shape and topology design of
vibrating structures, Advances in Structural Optimization, Netherlands: Kluwer
Academic Publishers, p. 189-222.
Kirsch, U. (1990). On the relationship between optimum structural topologies and
geometries. Struct. Optim., v. 2, p. 39–45.
Kohn, R.V. e Strang, G. (1986a) Optimal-design and relaxation of variational
problems.1. Communications on Pure and Applied Mathematics, v.39, n.1,pp.112-
137.
Kohn, R.V. e Strang, G. (1986b) Optimal-design and relaxation of variational
problems.2. Communications on Pure and Applied Mathematics, v.39, n.2,pp.139-
182.
Kohn, R.V. e Strang, G. (1986c) Optimal-design and relaxation of variational
problems.3. Communications on Pure and Applied Mathematics, v.39, n.3,pp.353-
377.
Labanowski, A. J. e Fancello, E. A e Novotny, A.A. (2004). Simp, Eso e Tsa: Uma
Análise Comparativa de Métodos de Otimizaçao Topológica para Elasticidade 2D,
CILAMCE.
Labanowski, A.J. (2004) Análise comparativa de métodos de otimização topológica em
elasticidade 2D e 3D, Dissertação de Mestrado, GRANTE-UFSC, Florianópolis,
Brasil.
Lee, D.T. e Schachter, B.J. (1980) Two Algorithms for Constructing the Delaunay
Triangulation Int. J. Comput. Inf. Sci.
Li Q., Steven G. P., Querin O. M., Xie Y. M. (1999). Shape and topology design for
heat conduction by evolutionary structural optimization. Int. J. Heat Mass
Transfer, v. 42, 3361-71.
148
Liang, Q.Q. (2005). Performance-based Optimization of Structures: Theory and
applications, Spon Press, London.
Liang, Q.Q. (2007) Automated performance-based optimal design of continuum
structures under multiple load cases, 5th Australasian Congress on Applied
Mechanics, Austrália.
Liang, Q.Q. e Steven, G.P. (2002) Performance-Based Optimization for Strut-Tie
modeling of Structural Concrete, Journal of Structural Engineering, v.128, n. 6, pp.
815-823.
Liang, Q.Q., Xie, Y.M. and Steven, G.P. (2000). “Topology optimization of strut-and-
tie models in reinforced concrete structures using an evolutionary procedure”, ACI
Structural Journal, Vol. 97, No. 2, pp. 322-330.
Lima, C. R. (2002). Projeto de Mecanismos Flexíveis usando o Método de Otimização
Topológica, Dissertação de Mestrado, Escola Politécnica da Universidade de São
Paulo, São Paulo.
Lin, C-Y e Hsu, F-M. (2008). An Efficient Algorithm to obtain the optimal topology of
industrial structural design problems, Journal of the Chinese institute of Engineers,
vol. 31, n.1, pp. 17-30.
Lurie, K. A., Federov, A.V. e Cherkaev, A.V. (1982). “Regularization of Optimal
Design Problems for Bar and Plates, Parts I e II”,Journal of optimizations and
Theory and Applications, 37-4, pp. 499-521,523-543.
Manickarajah, D., Xie, Y. M. e Steven, G.P. (1998). Na evolutionary method for
optimization of plate buckling resistance, Finite Elements in Analysis and Design, v.
29, pp. 205-230.
Marczak, R. J. (2006). Optimal Topology Identification of 2D Elastic Structures with
the Boundary Element Method, Mecánica Computacional, Argentina, vol xxv,
pp.2769-2784
Matsui, K. e Terada, K. (2004). Continuous approximation of material distribution for
topology optimization. International Journal for Numerical Methods in Engineering,
v. 59, n. 14, pp. 1925-1944.
Nocedal, J. and Wright, S. J. (1960). Numerical Optimization, Springer -Verlag, New
York, 1960,651.p
149
Novotny, A.A. (2003). Análise de sensibilidade topológica. Tese de Doutorado,
LNCC/MCT, Petrópolis, Brasil.
Novotny, A.A., Feijóo, R.A. e Taroco, E. (2003). Análise de sensibilidade contínua.
LNCC/MCT, Petrópolis, Brasil.
Oden, J.T., Kikuchi, N. e Song, Y.J. (1982). “On CAD-integrated Structural Topology
and Design Optimization”, Computer Methods in Applied Mechanics and
Engineering, v. 89, pp. 259-279.
Olhoff, N., Bendsøe, M.P. e Rasmussen, J. (1991). On cad-integrated structural
topology and design optimization, Computer Methods in Applied Mechanics and
Engineering, v. 89, n. 1-3, pp. 259-279.
Pereira, C.E.L. (2006), Análise de Sensibilidade Topológica em Problemas de Não-
Linearidade Geométrica e Hiperelasticidade Não-Linear Quase-Incompressível,
Tese de Doutorado, Universidade Estadual de Campinas, Campinas, São Paulo.
Porto, E. D. e Pavanello, R. (2007). Influencia dos Parâmetros de Homogeneização
sobre a solução estrutural topológica ótima, VIII Congresso Ibero Americano de
Engenharia Mecânica, Peru.
Porto, E.C.B. (2006). Método da homogeneização aplicado à otimização estrutural
topológica, Dissertação de Mestrado, Universidade Estadual de Campinas -
Faculdade de Engenharia Mecânica, Campinas, São Paulo.
Pousen, T. A. (2002). A simple scheme to prevent checkerboard patterns and one-node
connected in topology optimization, Structural and Multidisciplinary Optimization,
v. 24, n. 5, pp.396-399.
Prager, W. (1974). A note on discretized michell structures. Comput. Meth. Appl.
Mech., v. 3,p. 349–355.
Proos, K.B.E. (2002). Evolutionary Structural Optimization as a Robust and Reliable
Design Tool. School of Aeronautical, Mechatronic and Mechanical Engineering.
The University of Sydney, Australia.
Querin, O. M., Steven, G.P. e Xie, Y.M. (2000a) Evolutionary Structural Optimization
using Additive Algorithm, Finite Element Analysis and Design, v. 34, p. 291-308.
Querin, O. M., Young, V., Steven, G.P. e Xie, Y.M. (2001b). Computational Efficiency
and Validation of Bi-Directional Evolutionary Structural Optimization, Comput.
Meth. Appl. Mech. Engng., v.189, p. 559-73.
150
Querin, O.M. (1997). Evolutionary Structural Optimization stress based formulation and
implementation. PhD dissertation, University of Sydney.
Reynolds D., McConnachie J., Bettess P., Christie W. C, Bull J. W. (1999). Reverse
adaptivity – a new evolutionary tool for structural optimization, Int. J. Numer.
Meth.Engrg., v. 45(5), p. 529-52.
Rong, J.H., Xie, Y.M., Yang, X.Y. and Liang, Q.Q. (2000). “Topology optimization of
structures under dynamic response constraints”, Journal of Sound and Vibration,
Vol. 234, No. 2, pp.177-189.
Rozvany, G.I.N., Bendsøe, M.P., Kirsch, U. (1995) Layout optimization of structures,
Applied Mechanics Review, v. 48, pp. 41-119.
Rozvany, G.I.N., Olhoff, N., Cheng, K. e Taylor, J.E. (1982). “On the Solid Plate
Paradox in Structural Optimization”, Journal of Structural Mechanics, 10-1, pp. 1-
32.
Rozvany, G.I.N., Zhou, M. e Birker, T. (1992). “Generalized shape optimization
without homogenization”, Structural Optimization, Vol. 4, pp. 250-252.
Sant’Anna, H. M. (2002) Otimização Topológica de Estruturas Bidimensionais
Contínuas Submetidas a Restrições de Flexibilidade e Tensão, Dissertação de
Mestrado, UFRS, Porto Alegre.
Sienz, J. and Hinton, E. (1997). “Reliable structural optimization with error estimation
adaptivity and robust sensitivity analysis”, Computers and Structures, Vol. 64, No.
1-4, pp. 31-63.
Sigmund, O. e Petersson , J. (1998). Numerical instabilities in topology optimization: a
survey on procedures dealing with checkerboards, mesh dependencies and local
minima, Structural Optimization, v. 16, p. 68-75, 1998.
Sigmund, O. (1994), “Design of Material Structures Using Topology Optimization”,
PhD thesis, Department of Solid Mechanics, Technical University of Denmark.
Sigmund, O. (1997). “On the Design of Compliant Mechanisms Using Topology
Optmization”, Mechanics of Structures and Machines, v. 25, n.4, pp. 495-526.
Silva, E.C.N. (2001). Técnicas de Otimização Aplicadas no Projeto de Peças
Mecânicas, Apostila, Departamento de Engenharia Mecatrôncia e de Sistemas
Mecânicos, Escola Politécnica da USP, São Paulo, Brasil.
151
Silva, J.A B. (2001). Investigação de um método evolucionário de otimização estrutural,
Dissertação de Mestrado, Unicamp,. Campinas, Brasil.
Sonmez, F.O. (2008). Structural Optimization Using Simulated Annealing,
Departamento of Mechinical Engineering,Bogazici University, Turkey, pp. 282-306.
Stolpe, M. e Svanberg, K. (2001). On the trajectories of penalization methods for
topology optimization, Structural and Multidisciplinary Optimization, v. 21, n. 2,
pp. 128-139.
Stump, F.V. (2006). Otimização Topológica Aplicada ao Projeto de Estruturas
Tradicionais e Estruturas com Gradação Funcional sujeitas a Restrição de Tensão,
Dissertação de Mestrado, Escola Politécnica da USP, São Paulo, Brasil.
Swan, C.C. e Kosaka, I. (1997a). Voigt-reuss topology optimization for structures with
linear elastic material behaviors. International Journal for Numerical Methods in
Engineering, v. 40, n. 20, pp. 3785-3814.
Swan, C.C. e Kosaka, I. (1997b). Voigt-reuss topology optimization for structures with
linear elastic material behaviors. International Journal for Numerical Methods in
Engineering, v. 40, n. 16, pp. 3033-3057.
Tang, P.S. , Chang, K.H. (2001). Integration of topology and shape optimization for
design of structural components. Structural and Multidisciplinary Optimization,
v.22, pp.65-82.
Tanskanen, P. (2002). The evolutionary structural optimization method: theoretical
aspects. Comput Methods Appl Mech Eng 191, pp.5485–5498.
Tcherniak, D. e Sigmund, O. (2001) A Web-Based Topology Optimization Program,
Struct Multidisc Optim 22, 179–187, Springer-Verlag.
Tovar, A. (2005). Optimización topológcia con la técnica de los autómatas celulares
híbridos, Revista Internacional de Métodos Numéricos para Cálculo y Diseño en
Ingeniería, v. 21,n.4, pp. 365-383, Bogotá, Colômbia.
Vanderplaats, G. N. (1994). Numerical Optimization Techniques for Engineering
Design with Applications, Boston: McGraw-Hill Book Company.
Wang, M.Y., Wang, S. Y. e Lim, K. M. (2007) A Density Filtering Approach for
Topology Optimization, 7 World Congress on Structural and Multidisciplinary
Optimization, Korea.
152
Wang, Y. (2003). A Study on Microstructures of Homogenization for Topology
Optimization, Thesis Doctor, Victoria University of Techology Melbourne,
Australia.
Xie, Y.M. and Steven, G.P. (1993). “A simple evolutionary procedure for structural
optimization”, Computers & Structures, Vol. 49, No. 5, pp. 885-896.
Xie, Y.M. and Steven, G.P. (1997). Evolutionary Structural Optimization, Springer-
Verlag, Berlin.
Xie, Y.M.; Steven, G.P. (1996). Evolutionary structural optimization for dynamic
problems. Comp. & Struct. 58, 1067–1073.
Xie, Y.M, X. Huang, J.W. Tang and P. Felicetti (2005) Recent Advances in
Evolutionary Structural Optimization, Keynote Lecture for Frontiers of
Computational Science Symposium, Nagoya University, Japan.
Zhang, W. H. e Duysinx, P. (2003). Dual approach using a variant perimeter constraint
and efficient sub-iteration scheme for topology optimization, Computers e
Structures, v. 81, n. 22-23, pp. 2173-2181.
Zhou, M and Rozvany, G.I.N. (2001). “On the validity of ESO type methods in
topology optimization”, Structural and Multidisciplinary Optimization, Vol. 21, pp.
80-83.
Zhou, M. , Rozvany, G. I. N. (1991). The COC algorithm, part II: topological,
geometrical and generalized shape optimization. Computer Methods in Applied
Mechanics and Engineering, v.89, pp.309-336.
Zhou, M., Shyy, Y.K. and Thomas, H.L. (2001). “Checkerboard and minimum member
size control in topology optimization”, Structural and Multidisciplinary
Optimization, Vol. 21, pp. 152-158.
153
Livros Grátis
( http://www.livrosgratis.com.br )